Date of Award

6-2022

Document Type

Dissertation

Degree Name

Doctor of Philosophy (PhD)

Department

Computer Science

First Advisor

Nazar Zaki

Abstract

Dementia is a condition in which higher mental functions are disrupted. It currently affects an estimated 57 million people throughout the world. A dementia diagnosis is difficult since neither anatomical indicators nor functional testing is currently sufficiently sensitive or specific. There remains a long list of outstanding issues that must be addressed. First, multimodal diagnosis has yet to be introduced into the early stages of dementia screening. Second, there is no accurate instrument for predicting the progression of pre-dementia. Third, non-invasive testing cannot be used to provide differential diagnoses. By creating ML models of normal and accelerated brain aging, we intend to better understand brain development. The combined analysis of distinct imaging and functional modalities will improve diagnostics of accelerated decline with advanced data science techniques, which is the main objective of our study. Hypothetically, an association between brain structural changes and cognitive performance differs between normal and accelerated aging. We propose using brain MRI scans to estimate the cognitive status of the cognitively preserved examinee and develop a structure-function model with machine learning (ML). Accelerated ageing is suspected when a scanned individual’s findings do not align with the usual paradigm. We calculate the deviation from the model of normal ageing (DMNA) as the error of cognitive score prediction. Then the obtained data may be compared with the results of conducted cognitive tests. The greater the difference between the expected and observed values, the greater the risk of dementia. DMNA can discern between cognitively normal and mild cognitive impairment (MCI) patients. The model was proven to perform well in the MCI-versus-Alzheimer’s disease (AD) categorization. DMNA is a potential diagnostic marker of dementia and its types.

Arabic Abstract

لحرف هو حالة مرضية تتعطل فيها الوظائف العقلية للشخص، و يؤثر مرض الخرف حالياً على ما يقدر بنحو 57 مليون شخص حول العالم. ويعد تشخيص الحرف صعبا بسبب عدم كفاءة المؤشرات التشريحية و الاختبارات الوظيفية الحالية ، حيث أنه لا يزال هناك العديد من | القضايا المعلقة التي يجب معالجتها مثل، ادخال الوسائط المتعددة لتشخيص المراحل المبكرة من مرض الحرف و عدم وجود أداة دقيقة للتنبؤ بمرض الحرف قبل تطوره ، و اخيرا أنه لا ممكن استخدام الاختبار غير الجراحي التوفير التشخيص التفريقي للعرض الهدف الرئيسي لهذه الدراسة هو التمكن من إنشاء نماذج التعلم الآلي لشيخوخة الدماغ الطبيعية والمتسارعة ، حيث ستتمكن من فهم نمو الدماغ بشكل أفضل، وسيؤدي التحليل المشترك للتصوير التميز والطرائق الوظيفية إلى لحسين تشخيص التدهور التسارع، وذلك باستخدام تقنيات علوم البيانات التقدمة، نظريا، يختلف الإرتباط بين التغيرات الهيكلية للدماغ والأداء المعرفي بين الشيخوخة الطبيعية والمتسارعة، و نقترح في هذه الدراسة استخدام قومات التصوير بالرنين المغناطيسي (MRI) للدماع التقدير الحالة العرفية الممتحن الحفوظ معرفيا وتطوير نموذج هيكل وظيفي باستخدام خاصية التعلم الآلي، وعادة ما يشتبه في حدوث الشيخوخة المتسارعة عندما لا تتوافق نتائج مع النموذج و يتم حساب الإنحراف عن نموذج الشيخوخة الطبيعية (DMNA) كخطأ في توقع النتيجة المعرفية. ثم يتم مقارنة الفرد الذي تم خصه البيانات التي تم الحصول عليها بنتائج الاختبارات المعرفية التي تم إجراؤها. كلما زاد الاختلاف بين القيم المتوقعة و التي تم ملاحظتها، زاد خطر الإصابة بالحرف. تمكن الحساب الانحراف عن نموذج الشيخوخه الطبيعية (DMNA)‏ التمييز بين مرضى ضعف الادراك المتوسط (بني) وبين مرضى ضعف الادراك العادي وقد أثبتت الأبحاث أن المواح يعمل بشكل جيد في تصنيف ضعف الادراك الخفيف مقابل مرض الزهايمر. لذلك يعتبر حساب الانحراف عن نموذج الشيخوخة الطبيعية (DMNA) علامة تشخيصية محتملة للخرف وأنواعه.

Download

Share

COinS